控制系统性能指标全解：从时域频域到校正设计的工程路径

简介《自动控制原理课件6-2 性能指标与系统设计的基本思路》是一份面向自动化及相关专业学生的章节课件适合课后复习、考研强化与设计入门。内容围绕控制系统设计的两类任务展开明确了稳定性、快速性、准确性及抗扰动等多项性能要求并系统介绍了时域特性设计、根轨迹特性设计和频率特性设计三种方法同时梳理了时域指标、频域指标与复数域指标以及串联校正、反馈校正、前馈校正和复合校正的适用场景。课件还配有单位反馈系统根轨迹分析与校正例题便于将设计思路转化为具体解题步骤。压缩包内共1个PDF格式文档大小约821KB内容紧凑、目录章节清晰便于随时查阅与打印。目前已有133人学习浏览适合正在学习第六章或备考控制类课程的学生作为速查和归纳材料。1. 系统设计不是调参是先在指标上想清楚很多工程师拿到一个被控对象第一反应是“先搭个 PID 试试”调了半天超调还是压不下来才回头翻性能指标的定义。自动控制原理里 6-2 这一节的价值恰好在于把“系统设计”这件事从试凑法里拽出来先明确性能指标再谈控制器结构最后才是参数整定。性能指标不是事后用来验收的数字它是设计开始之前就要锁定的约束条件。这部分内容在高校课程里通常安排在时域分析之后、频域校正之前正好处在“会分析”到“会设计”的转折点上。对从业者来说它解决的实际问题是给定一个被控对象怎么判断现有系统能不能用、差在哪里、以及用什么手段补。无论你后面用 PID、超前滞后校正还是状态反馈第一步永远是同一件事——把性能指标翻译成可计算的约束。这篇文章沿着这个思路把典型指标拆开讲透再给出一套从指标到控制器参数的落地路径。2. 性能指标的分类与计算时域指标、频域指标和误差系数怎么互相换算2.1 为什么同一个系统要同时看时域和频域两套指标控制系统的性能指标不是一套而是三套时域指标、频域指标、稳态误差系数。它们描述的是同一个系统的不同侧面但设计时往往要从其中一个出发换算到另一个上去用。时域指标最直观超调量、调节时间、峰值时间直接对应示波器上的波形适合做最终验收。但它有两个问题一是只能事后测没法在设计阶段直接代入二是对高阶系统时域指标和控制器参数之间没有简单的解析关系。频域指标则相反相位裕度、幅值裕度、截止频率在设计阶段可以直接在 Bode 图上量出来而且和开环传递函数的参数有明确的对应关系。稳态误差系数单独成一类它只决定系统的型别和开环增益和动态响应基本解耦。这里要强调一个容易混淆的点时域和频域指标不是一一对应的只是在一定范围内有经验换算关系。比如相位裕度 45° 到 60° 大致对应超调量 16% 到 30%但那是基于典型二阶系统推出来的高阶系统偏差很大。真正做设计时我一般把频域指标当设计依据时域指标当验证标准。2.2 典型二阶系统的时域指标计算公式对于标准二阶系统G(s) ωn² / (s² 2ζωn·s ωn²)时域指标有以下解析公式指标公式说明超调量 σ%exp(-ζπ / √(1-ζ²)) × 100%只与阻尼比 ζ 有关峰值时间 tpπ / (ωn·√(1-ζ²))反映响应速度调节时间 ts4 / (ζ·ωn)±2% 误差带工程上最常用上升时间 tr(π - β) / (ωn·√(1-ζ²))其中 β arccos(ζ)从 10% 到 90% 的近似这段公式透露了一个关键设计信息ζ 决定了超调量ζ·ωn 决定了调节时间。换句话说要同时压低超调和加快响应只能提高 ζ·ωn 这个乘积而它恰好等于闭环极点实部的绝对值。所以“系统快不快”和“系统稳不稳”在设计上是可以解耦考虑的两个自由度。实际工程里ζ 一般取 0.4 到 0.8 之间。低于 0.4超调超过 25%大多数工业现场都不接受高于 0.8响应太慢系统显得“肉”。如果没有特殊要求0.707 这个值很常用——超调约 4.3%调节时间也比较短是典型二阶系统里性能和稳定性的一个较好折中。2.3 频域指标的几何意义裕度和带宽的工程直觉频域指标不像时域指标那样能直接从波形上看到但它的物理意义更接近“稳健性”。相位裕度 PM 衡量的是系统“再滞后多少度就振荡”的余量幅值裕度 GM 衡量的是“增益再放大多少倍就发散”的余量。这两个指标直接对应被控对象参数摄动和模型不确定性是鲁棒性的量化体现。从 Bode 图上看截止频率 ωc 是开环增益穿越 0dB 的频率它的位置决定了闭环带宽也就决定了系统能通过的最高频率信号。带宽越大响应越快但对高频噪声的抑制能力越差。这是另一个必须权衡的矛盾跟时域里超调和快速性的矛盾是等价的但视角不同。设计时我通常先定截止频率再去看相位裕度够不够不够就加校正。用 MATLAB 或 Python 计算这两个指标标准做法是import control as ct import numpy as np # 开环传递函数G(s) 100 / (s(s10)) s ct.TransferFunction.s G 100 / (s * (s 10)) # 直接求相位裕度和幅值裕度 gm, pm, wgm, wpm ct.margin(G) print(f幅值裕度 GM {gm:.2f} dB) print(f相位裕度 PM {pm:.2f} deg) print(f相位穿越频率 wgm {wgm:.2f} rad/s) print(f截止频率 wpm {wpm:.2f} rad/s)ct.margin返回的四个值分别是幅值裕度dB、相位裕度度、相位穿越频率和截止频率。这个函数直接读开环传递函数的 Bode 数据不涉及闭环求解所以计算开销很小适合在参数整定循环里反复调用。2.4 稳态误差系数系统的型别决定一切稳态误差考察的是系统跟踪特定输入的能力。对阶跃输入看位置误差系数 Kp对斜坡输入看速度误差系数 Kv对加速度输入看加速度误差系数 Ka。它们的定义统一写成开环传递函数在 s 趋于 0 时的极限形式但真正起决定作用的是开环传递函数里积分环节的个数——也就是系统的型别。系统型别阶跃输入 ess斜坡输入 ess加速度输入 ess0 型1/(1Kp)∞∞1 型01/Kv∞2 型001/Ka这张表揭示了一个容易被忽略的事实稳态精度和稳定性在积分环节上是冲突的。每增加一个积分环节稳态误差降一阶但相位滞后多 90°相位裕度直接受威胁。所以工程上很少用 3 型以上的系统不是因为做不出来而是相位裕度几乎不可能保证。这也是为什么很多实际系统宁愿接受一定的稳态误差也不愿意无限提高型别。这里有一个设计决策值得记住如果系统要求对斜坡信号无静差直接加积分环节是最快的办法但往往需要配合相位超前校正来弥补损失的相位裕度。如果只要求阶跃无静差那 1 型系统就够了不需要额外增加积分环节。3. 从性能指标到设计思路闭环极点配置、校正网络选型与主导极点法3.1 性能指标转成闭环极点位置的完整换算流程拿到一组时域指标设计的第一步是反推出希望的闭环极点位置。这个换算过程的逻辑是先把超调量约束转成阻尼比约束再把调节时间约束转成闭环极点实部约束解方程组得到一对期望的主导极点。具体计算流程如下import numpy as np # 给定的性能指标 overshoot 0.05 # 超调量 5% ts 1.0 # 调节时间 1 秒±2% 误差带 # 由超调量反解阻尼比 zeta -np.log(overshoot) / np.sqrt(np.pi**2 np.log(overshoot)**2) print(f阻尼比 zeta {zeta:.4f}) # 由调节时间反解自然频率 wn 4.0 / (zeta * ts) print(f自然频率 wn {wn:.4f} rad/s) # 期望极点位置 real_part -zeta * wn imag_part wn * np.sqrt(1 - zeta**2) print(f期望主导极点: {real_part:.4f} ± {imag_part:.4f}j)这段代码把两个设计约束翻译成了极点的实部和虚部。阻尼比决定了极点落在复平面上的角度自然频率决定了极点到原点的距离。注意这里用的是 4/(ζ·ωn) 这个近似式误差带是 ±2%。如果需要更精确的 ±5% 误差带系数要改成 3。设计时要保留一个自由度把极点放在满足指标的区域内是一回事放这个区域的哪个位置是另一回事。我一般的做法是先按最小的 ζ·ωn 值算出极点然后留出 20% 到 30% 的余量因为后续加入校正网络或状态反馈之后实际闭环极点会被非主导极点影响完全按理想二阶系统来算往往不够。3.2 主导极点法的适用边界高阶系统什么时候能二阶近似主导极点法成立的前提是闭环传递函数中离虚轴最近的极点主导极点和其余极点之间实部差距足够大。工程上常用“5 倍法则”如果非主导极点实部的绝对值大于主导极点实部绝对值的 5 倍那么非主导极点对瞬态响应的影响可以忽略。但这里有两个常见的坑。第一零点也会影响响应。如果闭环零点离主导极点很近它的作用相当于提前微分超调会显著增大哪怕极点的阻尼比算出来是 0.7实际超调可能到 20% 以上。处理办法有两种要么把零点设计得离主导极点足够远要么把零点包含进时域分析的模型里不能只看极点。第二主导极点法只适用于“极点主导”的情况。如果系统有一个零点恰好抵消了一个主导极点零极点对消那系统的表现由次主导极点决定这时候按原主导极点做的设计就完全失效了。所以在做极点配置之前我建议先算一下闭环传递函数的零点和极点确认没有近零极点对消的情况。3.3 超前校正和滞后校正选型的判断依据超前校正和滞后校正是串联校正的两条主线它们解决的是完全不同的问题选错方向比参数调不好更致命。超前校正的核心作用是提供正的相位增量把相位裕度抬上去。它适合的场景是系统相位裕度不足但截止频率已经符合要求。实现方式是加入形如Gc(s) (1 αTs) / (1 Ts), α 1的网络。α 越大能提供的最大相位超前角越大但同时高频增益也被抬得越高噪声放大越严重。一个很实用的经验是单级超前校正最多提供约 55° 到 60° 的相位增量超过这个数值就需要两级级联或者换用别的校正方式。滞后校正的作用则相反它靠压低高频段增益来把截止频率往左移从而避开相位急剧下降的频率区域。它适合的场景是系统相位裕度勉强够但截止频率太高或者稳态精度不够。实现方式是Gc(s) (1 βTs) / (1 Ts), β 1这里 β 是大于 1 的系数网络整体提供增益衰减。滞后校正能显著改善稳态精度相当于提高低频增益代价是带宽变小、响应变慢。选型归根结底就一句话缺相位用超前压低频率用滞后两个都缺就得超前-滞后组合。6-2 这一节的精髓也在这里——先判断“性能指标差在哪个维度”再决定用哪一类校正结构。3.4 状态反馈设计中的性能指标映射极点配置不是万能的状态反馈设计里性能指标同样需要先换算成期望极点位置。对于能控标准型状态反馈增益矩阵 K 可以通过 Ackermann 公式直接求import control as ct import numpy as np # 被控对象状态空间表示 A np.array([[0, 1], [0, -2]]) B np.array([[0], [1]]) C np.array([[1, 0]]) D np.array([[0]]) sys ct.ss(A, B, C, D) # 期望极点由超调量 10%调节时间 0.8s 换算得到 desired_poles [-5 6j, -5 - 6j] # Ackermann 公式求状态反馈增益 K ct.acker(A, B, desired_poles) print(f状态反馈增益 K {K}) # 验证闭环系统极点 A_cl A - B K eigs np.linalg.eigvals(A_cl) print(f闭环极点 {eigs})ct.acker做的事情本质上就是极点配置但要注意它的限制条件系统需要完全能控否则无解。另外状态反馈设计出的 K 是在假设所有状态都可测的前提下得到的实际系统里往往只有输出可测这时需要设计观测器观测器的极点一般设置在控制器极点的 3 到 5 倍远处。状态反馈比串联校正灵活但有个容易被忽视的问题它对模型精度非常敏感。模型参数有偏差时配置好的极点会偏移甚至可能导致系统失稳。串联校正虽然“笨”但对模型误差的容忍度要高得多。这就是为什么工程上大量实际系统仍然用 PID 加串联校正而不是纯状态反馈。4. 仿真验证与参数整定从性能指标到控制器的完整闭环4.1 时域响应和频域响应的联合验证流程设计完成不等于工作完成必须做联合验证。我的一套流程是先在频域确认裕度和截止频率达标再在时域里确认超调和调节时间达标两个都过了才算设计合格。先用频域验证手段import control as ct import matplotlib.pyplot as plt # 假设原对象 G 和校正网络 Gc s ct.TransferFunction.s G 100 / (s * (s 10)) Gc (1 0.5*s) / (1 0.05*s) # 超前校正示意 # 校正后系统频域指标 L G * Gc gm, pm, wgm, wpm ct.margin(L) print(f校正后: 截止频率 {wpm:.3f} rad/s, 相位裕度 {pm:.1f} deg) # Bode 图带网格 ct.bode_plot(L, dBTrue, degTrue, gridTrue) plt.show() # 闭环阶跃响应验证 T ct.feedback(L, 1) t, y ct.step_response(T) plt.plot(t, y) plt.xlabel(Time (s)) plt.ylabel(Output) plt.title(Closed-Loop Step Response) plt.grid(True) plt.show()这段代码做两件事先算开环裕度再仿真闭环阶跃。注意ct.feedback(L, 1)得到的是单位反馈闭环实际系统如果不是单位反馈需要先把传感器传函乘进去再闭合。验证时可以直接从响应曲线上读超调量和调节时间和设计指标比对。如果超调超出 2% 到 3%通常不需要重新设计微调校正网络的某一个参数即可如果超出 10%说明主导极点法近似失效需要回到设计起点重新分配极点。4.2 参数整定的顺序和步长先增益后结构先粗调后细调参数整定有一个很容易被忽视的原则先调增益再改结构。增益是最容易调整的变量它能直接影响截止频率但对相位裕度的影响是间接的。先把增益调到系统的截止频率落到期望值附近再根据相位裕度缺口决定要不要加校正网络这样每一步的变量都很少出了问题也容易定位。整定步长我习惯用对数步进而不是线性步进。比如增益从 10 开始按 10→15→22→33→47→68→100 这样每次乘 1.5 左右调整而不是每次加 10。原因很简单系统频域特性在 Bode 图上是对数刻度的线性调整增益对相位裕度的影响不均匀对数步进能让每次肉眼可见的变化量大致相等。如果相位裕度和截止频率都能基本维持只有超调偏高优先调阻尼比相关参数。对于 PID 控制器那就是加大微分时间 Td。微分过大会放大高频噪声所以要配合仿真里的噪声通道看。这里必须提醒一点仿真里加噪声测试很多时候比看理想阶跃响应更能暴露问题别跳过。4.3 半实物验证前的最终检查清单从仿真走向现场之前建议先过一遍这张检查表每一项都是实际踩过的坑检查项验证方法通过标准开环增益误差承受度把对象增益乘 0.8 和 1.2 再跑仿真超调增量 5%高频噪声抑制在反馈通道加 100Hz 正弦噪声输出端噪声衰减 20dB执行机构饱和检查控制器输出是否超过限幅不能长时间饱和传感器延时在反馈通道加 5ms 纯延时相位裕度损失 5°零阶保持器离散化用 10 倍截止频率采样后比较时域曲线基本重合这五项里最容易翻车的是传感器延时。很多工程师在连续域里设计得好好的一上离散系统就震荡问题不在控制器参数而是没把采样保持和传输延时计入相位裕度。一个工程经验采样频率至少要取闭环带宽的 10 倍延时造成的相位损失大约等于 ωc × τ据此在连续域设计时要预留这部分相位裕度。5. 性能指标约束下的鲁棒性和抗扰设计两个容易被忽略的硬约束5.1 相位裕度与幅值裕度的安全边界不是越大越好很多人以为相位裕度越大越安全实际不是。相位裕度超过 80° 时系统往往表现出很强的阻尼但响应速度被大幅牺牲而且对参数摄动的敏感性反而在特定频率区间上升。更合理的做法是设定一个区间比如相位裕度 45° 到 60°幅值裕度 8dB 到 12dB这对应大多数工业过程控制的可接受区域。另一方面相位裕度低于 30° 时系统对参数变化和延时非常敏感可能在某个工况点突然振荡。这里有一个更本质的视角幅值裕度和相位裕度本质上刻画的是开环 Nyquist 曲线到临界点 (-1, j0) 的距离这个距离越小系统离不稳定就越近。裕度不是定死了必须多少而是要根据模型不确定度的大小来定。模型误差大的系统比如飞行器气动参数随马赫数变化很大就要留更高的裕度。5.2 扰动抑制性能指标用传递函数评估抗扰能力抗扰设计不能靠感觉要落到具体的传递函数上。从扰动 d 到输出 y 的闭环传递函数是Y(s)/D(s) Gp(s) / (1 C(s)Gp(s))其中 Gp 是被控对象C 是控制器。这个传递函数的增益越低抗扰能力越强。在设计阶段可以直接检查在扰动信号的频带上这个传递函数的幅值是否足够低。比如扰动主要是 1 rad/s 附近的低频分量那就看 Gp/(1CGp) 在 1 rad/s 处的增益如果大于 0.1说明抗扰不足需要提高该频段内的开环增益。积分控制在抗扰上的作用是无可替代的它提供了低频段的无穷大增益。但积分增益 Ki 不是越大越好Ki 过大时会在中频段产生额外的相位滞后反而可能诱发振荡。一个常用的折中设计思路是用期望的扰动抑制比比如输出中扰动分量衰减到原来的 1/10求出所需低频增益再反推积分增益的下限最后结合相位裕度约束确定上限。5.3 模型不确定性影响裕度的量化分析方法模型不确定性不是一个模糊的概念它可以直接量化成频率函数。最常见的是乘性不确定性描述Gp(s) G0(s) · (1 W(s)Δ(s))其中 G0 是标称模型W(s) 是不确定性权函数Δ(s) 是任意满足 |Δ(jω)| ≤ 1 的稳定传递函数。在这个框架下系统对模型误差鲁棒的必要条件是开环传函的互补灵敏度函数的幅值乘以不确定性权重小于 1。验证时可以直接检查标称系统在这个条件下的裕度损失。一个实用的近似方法是把模型参数分别往两个极端方向取比如增益取标称值的 ±20%时间常数取 ±30%跑一批仿真看裕度分布范围。这种方法虽然不如 μ 分析严谨但工程上完全够用而且能直观看出哪个参数对性能影响最大。当仿真发现裕度在某些参数组合下低于安全边界时不要急着加控制器增益先想想能不能换一个对参数不那么敏感的控制器结构——这就是 6-2 标题里“设计思路”四个字真正的分量性能指标是外衣结构选择是骨架参数整定只是最后一步修饰。本文还有配套的精品资源点击获取